Cloud forcing of surface energy balance from in situ measurements in diverse mountain glacier environments
Notice bibliographique
Résumé
Clouds are an important component of the climate system, yet our understanding of how they directly and indirectly affect glacier melt in different climates is incomplete. Here we analyse high-quality datasets from 16 mountain glaciers in diverse climates around the globe to better understand how relationships between clouds and near-surface meteorology, radiation and surface energy balance vary. The seasonal cycle of cloud frequency varies markedly between mountain glacier sites. During the main melt season at each site, an increase in cloud cover is associated with increased vapour pressure and relative humidity, but relationships to wind speed are site specific. At colder sites (average near-surface air temperature in the melt season <0 ∘ C), air temperature generally increases with increasing cloudiness, while for warmer sites (average near-surface air temperature in the melt season ≫0 ∘ C), air temperature decreases with increasing cloudiness. At all sites, surface melt is more frequent in cloudy compared to clear-sky conditions. The proportion of melt from temperature-dependent energy fluxes (incoming longwave radiation, turbulent sensible heat and latent heat) also universally increases in cloudy conditions. However, cloud cover does not affect daily total melt in a universal way, with some sites showing increased melt energy during cloudy conditions and others decreased melt energy. The complex association of clouds with melt energy is not amenable to simple relationships due to many interacting physical processes (direct radiative forcing; surface albedo; and co-variance with temperature, humidity and wind) but is most closely related to the effect of clouds on net radiation. These results motivate the use of physics-based surface energy balance models for representing glacier–climate relationships in regional- and global-scale assessments of glacier response to climate change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».